特征化查询 R-CNN
计算机视觉与模式识别
2022-06-22 v3
摘要
DETR 方法中引入的查询机制正在改变目标检测的范式，且近来许多基于查询的方法已获得强劲的目标检测性能。然而，当前基于查询的检测流程存在如下两个问题。首先，需多阶段解码器来优化随机初始化的目标查询，带来巨大计算负担。其次，查询在训练后固定，导致泛化能力不佳。为弥补上述问题，我们在成熟的 Faster R-CNN 框架中由查询生成网络预测特征化目标查询，并开发了特征化查询 R-CNN（Featurized Query R-CNN）。在 COCO 数据集上的大量实验表明，我们的特征化查询 R-CNN 在所有 R-CNN 检测器中取得了最佳的速度—精度权衡，包括近期最先进的 Sparse R-CNN 检测器。代码见 https://github.com/hustvl/Featurized-QueryRCNN。
引用
@article{arxiv.2206.06258,
title = {Featurized Query R-CNN},
author = {Wenqiang Zhang and Tianheng Cheng and Xinggang Wang and Shaoyu Chen and Qian Zhang and Wenyu Liu},
journal= {arXiv preprint arXiv:2206.06258},
year = {2022}
}
备注
Tech Report